Datensilos auflösen: So schaffen Sie eine einheitliche Datenbasis
Was Datensilos sind, wie sie entstehen, was sie kosten und wie Sie Schritt für Schritt eine integrierte Datenlandschaft aufbauen.
Was sind Datensilos?
Ein Datensilo ist ein Datenbestand, den nur eine Abteilung oder ein System nutzt und der nicht mit den übrigen Daten des Unternehmens verbunden ist. Ein typisches Beispiel ist eine Liste mit Marketing-Leads, die nie mit dem Kundenstamm im ERP abgeglichen wird. Typische Symptome:
- Widersprüchliche Zahlen: Der Vertrieb meldet 2,5 Mio. € Umsatz, das Controlling 2,3 Mio. €. Oft haben beide recht: Der Vertrieb zählt den Auftragseingang, das Controlling die gestellten Rechnungen ohne Gutschriften.
- Manuelle Datensammlung: Controller kopieren jeden Monat Daten aus fünf Systemen in eine Excel-Datei.
- Keine vollständige Kundensicht: Der Vertrieb kennt den Umsatz, der Support die Tickets, das Marketing die Kampagnen. Niemand sieht alles zusammen, etwa um zu erkennen, welche Kunden nach vielen Reklamationen abwandern.
- Verzögerte Entscheidungen: „Das muss ich erst raussuchen“ dauert Tage statt Sekunden.
Wie Silos entstehen
Kaum ein Silo ist geplant. Meist ist es die vernünftige Lösung eines Teams für ein konkretes Problem, die nur nie an den Rest angebunden wurde. Vier Ursachen kommen immer wieder vor:
- Engpass im zentralen Team: IT oder BI-Team kommen mit den Anfragen nicht hinterher. Die Fachabteilung baut sich deshalb selbst eine Tabelle oder Datenbank, die für ihren Zweck gut funktioniert, aber nirgends angebunden ist.
- Systeme ohne gemeinsame Schlüssel: CRM und ERP führen denselben Kunden unter verschiedenen Nummern und Schreibweisen. Je mehr Systeme dazukommen, desto schwerer wird es, die Bestände abzugleichen.
- Excel als Datenbank: Was als Auswertung beginnt, wird zur einzigen Quelle für Preise, Provisionen oder Budgets, ohne Versionierung und ohne Zugriffsregeln.
- Fehlende Abstimmung: Teams wissen nicht, dass es eine zentrale Datenbasis gibt oder welche Kennzahl dort wie definiert ist. Ein Wissenssilo erzeugt dann das nächste Datensilo.
Die 4 häufigsten Silo-Typen
System-Silos
ERP, CRM, HR-System: Jedes hat seine eigene Datenbank ohne standardisierte Schnittstellen.
Abteilungs-Silos
Jede Abteilung pflegt „ihre“ Daten. Das Marketing hat andere Kundensegmente als der Vertrieb.
Excel-Silos
Hunderte Excel-Dateien auf lokalen Laufwerken und in SharePoint. Keine Versionierung, keine Konsistenz.
Wissens-Silos
Relevante Informationen stehen nur in E-Mails oder im Kopf einzelner Mitarbeiter und sind nicht systematisch erfasst.
Was Silos kosten
- Vertrauen in die Zahlen: Liegen mehrere Kopien derselben Daten vor, weicht früher oder später eine ab. Danach wird jede Zahl im Meeting erst einmal angezweifelt.
- Arbeitszeit: Statt zu analysieren, klären Mitarbeiter, welche Zahl stimmt, und kopieren Daten von Hand zusammen. Dieser Aufwand fällt jeden Monat neu an.
- Sicherheit und Datenschutz: Kundendaten in Tabellen auf Laufwerken und in E-Mail-Anhängen lassen sich weder sauber berechtigen noch vollständig löschen, wenn ein Kunde das verlangt.
- Verpasste Erkenntnisse: Viele wertvolle Fragen brauchen Daten aus zwei Bereichen, etwa Vertrieb und Support für die Gründe von Kündigungen. Im Silo stellt sie niemand.
Datensilos auflösen: 4 Strategien
Zentrales Data Warehouse
Der Klassiker: Alle relevanten Daten werden per ETL/ELT in ein zentrales Data Warehouse geladen. Eine Quelle für alle Analysen. Empfehlung für die meisten Mittelständler.
API-Integration
Systeme über APIs direkt verknüpfen: CRM → ERP, Webshop → CRM. Echtzeitnah, aber aufwendiger in der Wartung. Ideal für wenige, fokussierte Integrationen.
iPaaS (Integration Platform as a Service)
Cloud-basierte Integrationsplattformen (Make/Zapier für einfache, Mulesoft/Boomi für komplexe Fälle) verbinden Systeme ohne eigene Entwicklung.
Master Data Management
Stammdaten (Kunden, Produkte, Lieferanten) zentral pflegen und an alle Systeme verteilen. Verhindert Dubletten und sorgt für konsistente Bezeichnungen.
Zentral oder verteilt?
Gegen das zentrale Data Warehouse wird oft eingewandt, es werde zum Monolithen: Ein kleines Team muss jede neue Quelle anbinden, die Fachbereiche warten, und am Ende bauen sie doch wieder eigene Lösungen. Als Gegenmodell gilt das Data Mesh (Zhamak Dehghani, 2019): Jeder Fachbereich verantwortet seine Daten als eigenes „Datenprodukt“, gemeinsame Standards und Schnittstellen verbinden sie.
Für den Mittelstand ist das selten die richtige Frage. Ein Data Mesh setzt mehrere Fachbereiche mit eigenen Datenteams voraus, die es dort meist nicht gibt. Der Engpass lässt sich auch zentral lösen, wenn das Warehouse schlank bleibt und neue Quellen nach einem festen Muster angebunden werden. Unser eigenes Data Warehouse führt so 34 Quellen auf einem einzelnen Rechner zusammen.
Wichtiger als die Architektur ist, dass die Ladestrecken automatisch laufen und überwacht werden. Ein Orchestrierungswerkzeug wie Apache Airflow oder ein einfacher Zeitplaner startet die Abrufe in fester Reihenfolge, meldet Fehler und macht sichtbar, welche Quelle wann zuletzt aktualisiert wurde. Erst dann vertrauen die Fachbereiche der zentralen Basis und lassen ihre eigenen Tabellen fallen.
Quick Wins: Sofort umsetzbare Maßnahmen
- Silo-Inventur: Für jede Kennzahl im Management-Reporting notieren, aus welchem System sie stammt, wer sie pflegt und wie oft sie von Hand übertragen wird. Die Liste zeigt, wo sich die Anbindung zuerst lohnt.
- Excel-Konsolidierung: Alle kritischen Excel-Dateien identifizieren und in ein BI-Tool zentral einbinden.
- Gemeinsame Definitionen: Was bedeutet „Umsatz“? Brutto, netto, fakturiert, gebucht? Einheitliche Begriffe festlegen und schriftlich ablegen.
- Kundenstammdaten bereinigen: Dubletten zusammenführen, einen gemeinsamen Schlüssel festlegen und Mindeststandards für die Datenpflege vereinbaren.
📚 Dieser Artikel ist Teil unseres Mittelstand-Guides: BI im Mittelstand →
Datensilos analysieren?
Ein Data Landscape Assessment zeigt in 2–3 Tagen alle Silos, ihre Kosten und den passenden Integrationsweg.
Assessment anfragen →